社区的建设是多元化学习的关键问题。 大多数学习算法使用稳定的邻域参数(例如k-NN),但对于整个歧管,因为歧管曲率和采样密度可能会在歧管上变化。 虽然已经提出了一些动态邻域算法,它们受到另一个整体的限制参数或假设。 本文提出了一种选择动态邻域的新方法在基于采样密度和流形构造切线子空间时针对每个点曲率。 通过计算相关性可以自动确定该方法的参数输入和输出中的成对点之间的测地线距离矩阵的系数空格。 当我们将其应用于ISOMAP时,合成数据以及真实数据的实验结果世界格局表明,所提出的方法可以有效地保持准确的低尺寸较少失真的流形数据表示,并提供更高的平均分类率与其他人相比。